Napomena: Sljedeći članak će vam pomoći: Michael Wu iz PROS-a: Iako imamo velike podatke, nikad ih nema dovoljno
Kada je riječ o umjetnoj inteligenciji, strojnom učenju i velikim podacima, zaista ne postoji osoba od koje volim učiti i razgovarati osim dr. Michaela Wua, priznatog stručnjaka u industriji i glavnog stratega za umjetnu inteligenciju za PROS, pružatelja SaaS rješenja koja optimiziraju iskustvo kupovine i prodaje. A nedavno sam imala odličan livestream razgovor s njim i mojim suvoditeljem CRM Playaza, Paulom Greenbergom, gdje smo duboko zaronili u to gdje smo s umjetnom inteligencijom i kako ona pomaže tvrtkama da prežive posljednjih 18 mjeseci.
U nastavku je uređeni prijepis dijela našeg razgovora koji se dotiče uloge etike i inkluzivnosti kako sve više poslovnih interakcija i transakcija postaje digitalno – pružajući umjetnoj inteligenciji podatke za kojima žudi da predvidi i preporuči nam stvari. Da biste čuli cijeli razgovor kliknite na ugrađeni SoundCloud player.
Paul Greenberg: Kako strategiju umjetne inteligencije treba integrirati u širu poslovnu strategiju?
Michael Wu: Da, mislim da je to zapravo veliki problem u industriji. Mislim, nema sumnje da će AI biti vrlo prodoran dio našeg života u budućnosti. Bilo da se radi o poslu na poslu ili samo u svakodnevnom životu, bit će tu, bit će dio toga. Mislim da ono što sprječava mnoge tvrtke da se uključe je, rekao bih, ako pogledate to, postoje AI potrošačke aplikacije i također postoje poslovne aplikacije AI. Za potrošače, automatizira dnevne zadatke kao što je, na primjer, možete automatizirati svoje kućne rutine pomoću pametnih domova i sve te stvari. Mislim, ako pogriješi, to je neka, rekao bih, manja neugodnost. Mislim, ako nešto pitaš Siri, nisam te razumio, samo preformuliraj. To je mala neugodnost, izgubite nekoliko minuta vremena, a nije ništa strašno. Dakle, rizici i troškovi pogrešne odluke u AI-u su mali.
Ali to nije sasvim slučaj u poslu. Mislim, posao, kada donesete pogrešnu odluku u AI-u, to bi mogli biti izgubljeni milijuni dolara i, rekao bih, PR kriza. To bi mogao biti gubitak puno i puno kupaca koji vam se nikada neće vratiti. Rizik od troška pogrešne odluke puno je veći u poslovnom okruženju, stoga tvrtke jednostavno nerado skaču na AI. A veliki dio razloga je zato što, pa, mislim, to zapravo nije tehnička komponenta umjetne inteligencije. Mnogo toga ima veze s netehničkom komponentom, na primjer, dizajnom, usvajanjem. Ako kupite AI tehnologiju i ako je ljudi ne koriste jer joj ne vjeruju jer je se boje, nitko neće imati nikakve koristi.
Mislim, ako imate umjetnu inteligenciju, ali je ne možete objasniti tako da joj ljudi ne vjeruju, onda imate i drugi problem. Mislim, tako da postoji mnogo, rekao bih, ovih netehničkih pitanja, na primjer, oko korisničkog iskustva, usvajanja, prava i dizajna. Dakle, ovo su, rekao bih, problemi vezani uz ovu AI tehnologiju kojima se treba pozabaviti kako bi se cijela ova industrija pokrenula naprijed.
Trendovi malih poduzeća: Možete li možda govoriti o tome kako bi ljudi trebali gledati na AI u smislu poboljšanja stvari kao što su logistika, ispunjavanje, narudžbe? Jer mislim da to ima prevelik i čak sve veći utjecaj na korisničko iskustvo, čak i ako se ne čini da je to najizravnija stvar za korisničko iskustvo.
Michael Wu: Pa, mislim da ima izravan odnos s korisničkim iskustvom jer, mislim, dopustite mi da postavim jednostavno pitanje. Što mislite kakvo je korisničko iskustvo? Jer, po meni, iskustva kupaca se mogu promatrati, mogu se razumjeti vrlo, vrlo jednostavnim izrazom. To je razlika između onoga što tvrtka isporučuje i onoga što kupac očekuje. Ako tvrtka isporučuje više od onoga što kupac očekuje, onda je to dobro iskustvo. To je oduševljavajuće iskustvo. Ako tvrtka isporučuje manje od onoga što kupac očekuje, tada imate razočaranog kupca. Zaista je jednostavno ako na to gledate na taj način. Dakle, mislim, mislim da su očekivanja kupca dio na koji se trebamo usredotočiti jer je to dio koji se zapravo dramatično mijenja.
Paul Greenberg: Pravo.
Michael Wu: Sada je sve u razdoblju nakon pandemije, sve prelazi na digital i stvari postaju transparentnije. Ljudi zapravo mogu vidjeti svakog drugog dobavljača na mreži. Dakle, kupcima je zapravo vrlo lako promijeniti svoje iskustvo. Na primjer, ako vidite ponudu za sebe, možda imate korisničko iskustvo, ali iste minute kada odem i vidim drugog dobavljača koji nudi istu stvar za, recimo, 10% manje, vaše korisničko iskustvo se odmah promijenilo. Ova transparentnost čini korisničko iskustvo doista izazovnim jer očekivanja korisnika mogu varirati i pod velikim utjecajem okoline. Čak i kada se probudite u loš dan kada pada kiša ili nešto slično, mogli biste imati najgore korisničko iskustvo. Dakle, da biste išli ukorak s ovim, rekao bih, stalno promjenjivim, stalno promjenjivim očekivanjima kupaca, potrebno vam je nešto kao što bih rekao: “Mogu vam pomoći online.”
Mislim da u tradicionalnom svijetu, kada zapravo imate posla s ljudima, ljudi su vrlo dobri u procjeni očekivanja kupaca. Ako razgovaram s vama, gledam vas licem u lice, vaš govor tijela mi govori nešto o tome jeste li sretni ili niste sretni zbog onoga što nudim ili bilo čega. Ali kada razgovarate sa strojem dok ste na mreži, kada klijenti nisu angažirani sa stvarnom osobom, tada postaje stvarno izazovno procijeniti što su očekivanja kupaca. Pa kako to učiniti? Mislim, da biste to učinili, potreban vam je live stream stvarnog vremena, rekao bih, okolišni kontekstualni podaci u kojima se kupac nalazi, ili koji kanal dolazi, u kojoj je regiji, svi ovi drugi kontekstualni podaci o ovom kupcu, tada ćete pomoći umjetnoj inteligenciji da razumije kupca s druge strane. Ali ključna stvar koju treba prepoznati u ovo doba jest da, iako imamo velike podatke, podataka nikada nema dovoljno.
Mislim da postoji velika količina podataka, ali kad god imamo posla s jednim kupcem ili jednim kontaktom, podaci koji su dostupni da vam pomognu da donesete tu odluku dramatično su smanjeni. Postoji mnogo podataka. Mnogo toga je zapravo korisno u nekim kontekstima, ali u ovom konkretnom kontekstu u ovom trenutku, a ja trenutno radim s ovim kupcem, relevantni podaci koji će vam pomoći da odlučite što učiniti zapravo su prilično mali. Dakle, ključna stvar je identificirati te podatke. Druga stvar je, kada kažete da postoje ti novi kanali u koje te informacije dolaze, AI, jedna od njegovih ljepota je sposobnost učenja. Dakle, umjetna inteligencija ima unutrašnju komponentu koja se zove strojno učenje koja im omogućuje da stvarno uče iz podataka. Dakle, to mu omogućuje prilagodbu. Kada učite, možete se prilagoditi. Dakle, ovo je zapravo ista stvar kao i kako čovjek funkcionira. Kad vidite ovaj novi stream, recimo, TikTok, prvo kažete: “Ignorirajmo to.”
Ali nakon nekog vremena, vidite TikTok, TikTok, TikTok, i onda kažete, “Oh, dobro. Možda bih trebao obratiti pozornost na to.” Naučiš, vidiš da sve više dolazi sve češće, pa postaje sve relevantnije. Onda biste zapravo trebali promijeniti svoj model kako ovaj svijet funkcionira i dati veću težinu ovom određenom kanalu nego vašem tradicionalnom drugom kanalu na koji niste obraćali pozornost. Dakle, ovo je potpuno isti način na koji bi AI funkcionirao. Prvo, rekli biste da pridajete vrlo malo težine ovom novom kanalu, ali kako se pojavljuje sve češće, u biti ćete revidirati svoj algoritam kako biste počeli pridavati sve veću težinu ovom kanalu ako se pokaže relevantnim. Možda ako je jako glasno, jako bučno, ali zapravo nije relevantno, tada biste čekanje ili utjecaj koji taj kanal ima još uvijek na prilično niskoj razini. Mislim da je to proces učenja i učenje je zapravo omogućeno u ovim AI sustavima kroz strojno učenje.
Trendovi malih poduzeća: Kako to utječe na etičku upotrebu umjetne inteligencije? Vidimo li ikakvu konvergenciju ili divergenciju? Više podataka, manje etike? Ili je to više podataka, više etike? Imaju li oni uopće vezu? Jer mi se čini da što više podataka pronađemo, to je veće iskušenje da se ove stvari koriste na bilo koji način koji je bio stari Malcolm X, “na bilo koji mogući način.” Ali postaje li etika koja stoji iza umjetne inteligencije išta bolja kako se sve više podataka baca na ovo?
Michael Wu: Mislim da sigurno postoji više svijesti o tome. Mislim da trenutno postoji, rekao bih, poštenje, transparentnost. Ljudi govore o tom problemu crne kutije. Ovaj AI, ne znamo kako donosi odluke i sve. Dakle, to je izazov, ali zapravo potiče sve više i više ljudi da obrate pozornost na ovo područje etike, poštenja i odgovornosti. Dakle, svi ti dodatni, rekao bih, veliki podaci koje koristimo, vrlo su primamljivi. Ali mislim da mora postojati protivnička sila koja bi podjednako izazvala te znanstvenike podataka. Mislim da mora postojati ta, rekao bih, zdrava napetost između dvije skupine. Nije da bi znanstvenici AI trebali sve diktirati. Napredovanje ne bi trebalo pokretati sve. Nije sve u napredovanju, ali nije sve ni u regulaciji. Mislim, mislim da dvije skupine trebaju imati takvu vrstu zdrave napetosti da pokrenemo pitanja koja nas zaista brinu.
A ako ne pokrenete problem, znanstvenici ga neće riješiti. “Radi. Zašto se bavim ovim problemom?” Dakle, ako pokrenete to pitanje, onda će sve više i više znanstvenika biti svjesno toga i reći će, “U redu, to je izazovan problem s kojim se moram pozabaviti kako bih ovo učinio boljim, boljim za čovječanstvo, boljim za sve.” Zato treba postojati ta zdrava napetost. I mislim da upravo sada, da odgovorim na vaše pitanje, da, iznose sve više i više ovoga. Mislim da trenutno ima više pitanja nego rješenja, ali klatno će se okrenuti. Jer prije je sve to bio napredak umjetne inteligencije, tako da su sve klatna s jedne strane. I sada kada su ljudi svjesni moći umjetne inteligencije, sva ta etika. I sam sam gotovo napola etičar da bih rekao: “Hej, ne možeš samo gledati na korištenje umjetne inteligencije za što god želiš. Morate paziti na etičku upotrebu svojih podataka kako ne biste marginalizirali nijednu skupinu ili bilo što.”
Sada zapravo postoji mnogo glasova s te strane, pa to izaziva veliku zabrinutost. Još nemamo rješenje, ali mislim da sada sve više i više ljudi obraća pozornost na rješavanje tih problema.
Trendovi malih poduzeća: Pa, sama etika ili tko god programira umjetnu inteligenciju, morate se držati njihove etike, a nije svačiji skup etike isti, tako da znam da će to biti teško. A druga stvar za koju također mislim je skup ili populacija ljudi koji stvarno stvaraju znanost o podacima, to je blizu homogene grupe ljudi. Nije baš raznoliko. Nije baš raznoliko. Gotovo kao da vam ne treba samo etička umjetna inteligencija, već i uključiva umjetna inteligencija kako bi bila malo reprezentativnija, i mislim da je to ono što možda najviše nedostaje, skup ljudi koji to rade.
Tako mi je drago čuti te kako kažeš da se to mijenja, jer je postojao onaj sjajni Netflix kad smo pričali o prepoznavanju lica i AI nije mogao otkriti crnu ženu iz nečeg drugog, a dio tog rezoniranja bio je zato što su ljudi koji stvarali AI nije izgledao kao crna žena koju je pokušavao otkriti. I tako je to bila jedna od onih stvari koje su nedostajale ovome.
Michael Wu: Da.
Trendovi malih poduzeća: Ne želim reći da je to razlog zašto je etičku AI tako teško napraviti, ali kada nemate određene ljude ili određene dijelove koji su zastupljeni u stvaranju tehnologije, automatski ćete izgubiti nešto što bi moglo biti vrlo važno da bude uspješan koliko bi trebao biti.
Michael Wu: Potpuno. Mislim da je to zapravo, rekao bih, velika zagonetka u AI. Podatke koje koristite za treniranje stroja zapravo nemate podatke cijelog svijeta. Koristite uzorak podataka. Dakle, taj je uzorak podataka odabran, rekao bih, iako mislite da je nasumičan, ponekad tu može biti nekih pristranosti. A inherentna pristranost u podacima koje ste odabrali koristiti za treniranje umjetne inteligencije utjecat će na ponašanje vaše umjetne inteligencije. Ako stvarno koristite ovaj AI u kontekstu odakle su ti podaci uzorkovani, samo u populaciji odakle ste uzorkovali podatke, nema problema. Problem je u tome što često, vrlo, vrlo često koristimo ovu umjetnu inteligenciju, pretjerano je generaliziramo na mnogo veću populaciju, i tada imate problema s neuključivanjem ovih drugih perspektiva.
Vama je to možda etično, ali meni nije, pa moramo sagledati i te različite perspektive. Tu je inkluzivnost zapravo vrlo važna. Upravo sada, sve više i više kompanija zapravo uključuje puno više ovih, rekao bih, disciplina društvenih znanosti, psihologije, ponašanja, ekonomista, društvenih znanstvenika u ovakve rasprave o dizajnu ovih AI sustava, što je dobro. Ovo je zapravo jako dobro i jako zdravo. Kao što sam rekao, AI, tehnički aspekt je jedna komponenta, ali zapravo postoji ogromno, rekao bih, područje uključeno u netehničke komponente koje su zapravo jednako važne za poticanje prihvaćanja i usvajanja u ovom društvu.
ČITAJ VIŠE:
